five

open-llm-leaderboard-old/details_ToastyPigeon__smolphin-test1

收藏
Hugging Face2024-03-25 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_ToastyPigeon__smolphin-test1
下载链接
链接失效反馈
官方服务:
资源简介:
数据集 Evaluation run of ToastyPigeon/smolphin-test1 是在模型 ToastyPigeon/smolphin-test1 在 Open LLM Leaderboard 上的评估运行中自动创建的。该数据集由63个配置组成,每个配置对应一个评估任务。数据集是从1次运行中创建的,每次运行可以在每个配置中找到,运行的时间戳作为分割的名称。train 分割始终指向最新的结果。此外,results 配置存储了所有运行的聚合结果,并用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

数据集 Evaluation run of ToastyPigeon/smolphin-test1 是在模型 ToastyPigeon/smolphin-test1 在 Open LLM Leaderboard 上的评估运行中自动创建的。该数据集由63个配置组成,每个配置对应一个评估任务。数据集是从1次运行中创建的,每次运行可以在每个配置中找到,运行的时间戳作为分割的名称。train 分割始终指向最新的结果。此外,results 配置存储了所有运行的聚合结果,并用于计算和显示在 Open LLM Leaderboard 上的聚合指标。
提供机构:
open-llm-leaderboard-old
原始信息汇总

数据集概述

数据集来源

该数据集是在对模型 ToastyPigeon/smolphin-test1 进行评估运行期间自动创建的,评估结果展示在 Open LLM Leaderboard 上。

数据集结构

  • 配置数量:63个配置,每个配置对应一个评估任务。
  • 运行次数:数据集由1次运行创建。每个运行在每个配置中作为一个特定的分片存在,分片名称使用运行的时间戳。
  • 训练分片:"train" 分片始终指向最新的结果。
  • 结果配置:一个额外的配置 "results" 存储所有运行的聚合结果,用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_ToastyPigeon__smolphin-test1", "harness_winogrande_5", split="train")

最新结果

以下是 2024-03-25T03:07:39.363881 运行的最新结果: python { "all": { "acc": 0.25243942480267767, "acc_stderr": 0.030541803490214812, "acc_norm": 0.25334593118504556, "acc_norm_stderr": 0.03130353300749519, "mc1": 0.22399020807833536, "mc1_stderr": 0.014594964329474202, "mc2": 0.3581370537867539, "mc2_stderr": 0.01363579277070249 }, "harness|arc:challenge|25": { "acc": 0.29692832764505117, "acc_stderr": 0.013352025976725225, "acc_norm": 0.3225255972696246, "acc_norm_stderr": 0.013659980894277364 }, "harness|hellaswag|10": { "acc": 0.44722166899024096, "acc_stderr": 0.004961904949171386, "acc_norm": 0.5972913762198765, "acc_norm_stderr": 0.004894407257215792 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.26, "acc_stderr": 0.04408440022768078, "acc_norm": 0.26, "acc_norm_stderr": 0.04408440022768078 }, # 其他任务的结果... }

配置详情

  • 配置名称:harness_arc_challenge_25

    • 数据文件
      • 分片:2024_03_25T03_07_39.363881
        • 路径:**/details_harness|arc:challenge|25_2024-03-25T03-07-39.363881.parquet
      • 分片:latest
        • 路径:**/details_harness|arc:challenge|25_2024-03-25T03-07-39.363881.parquet
  • 配置名称:harness_gsm8k_5

    • 数据文件
      • 分片:2024_03_25T03_07_39.363881
        • 路径:**/details_harness|gsm8k|5_2024-03-25T03-07-39.363881.parquet
      • 分片:latest
        • 路径:**/details_harness|gsm8k|5_2024-03-25T03-07-39.363881.parquet
  • 配置名称:harness_hellaswag_10

    • 数据文件
      • 分片:2024_03_25T03_07_39.363881
        • 路径:**/details_harness|hellaswag|10_2024-03-25T03-07-39.363881.parquet
      • 分片:latest
        • 路径:**/details_harness|hellaswag|10_2024-03-25T03-07-39.363881.parquet
  • 配置名称:harness_hendrycksTest_5

    • 数据文件
      • 分片:2024_03_25T03_07_39.363881
        • 路径:
          • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-anatomy|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-astronomy|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-business_ethics|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-college_biology|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-college_medicine|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-college_physics|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-computer_security|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-conceptual_physics|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-econometrics|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-electrical_engineering|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-formal_logic|5_2024-03-25T03-07-39.363881.parquet
          • **/details_harness|hendrycksTest-global_facts|5_2024-03-25T03-07-39.363881.parquet

          其他路径...

}

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作